Részben. Egy beérkező számla könyvelése és megrendeléssel, valamint átvételi bizonylattal való egyeztetése nagyrészt automatizálható, de nem teljesen és nem emberi felügyelet nélkül. A feladat egy felismerhető, ismétlődő részből áll, amelyet az AI ma már el tud látni, és egy kisebb részből, ahol továbbra is szükség marad emberi ellenőrzésre. Ez utóbbi rész nem szabadon elhagyható: olyan pénzről van szó, amely kimegy az ajtón, és olyan szabályokról, amelyeknek a könyvelésnek meg kell felelnie.
A legtöbb vállalatnál a beszerzési számla strukturált dokumentum: állandó mintázat szállítóból, számlaszámból, összegből, áfából és a megrendelésnek megfelelő tételekből. Ez a strukturáltság, magas volumennel párosulva, pontosan az a fajta feladat, amelyben az AI már bizonyított. Havi több száz vagy több ezer számla esetén a nyereség számlánként kicsi, de az összeadott felszabadult óraszám jelentős. Nincs is szükség ügyfélkontaktusra vagy fizikai cselekvésre: ez szövegfeldolgozás egy erp-környezetben vagy számlafeldolgozó rendszerben, és ez pontosan az a fajta munka, amelyben az AI ma jó.
Példa: egy állandó szállító számlája száz darab X termékről, olyan összeggel, amely megegyezik a megrendeléssel, és egy átvételi bizonylat, amely megerősíti a szállítást. A rendszer felismeri a szállítót és a cikkszámokat, egyezteti a három dokumentumot, és fizetésre készen jelöli a számlát. Emberi kéznek nem kellett hozzáérnie, amíg a fizetést jóváhagyásra be nem terjesztik.
Három tengely tartja ezt a „részben” kategóriában: a megfelelőség, a hibaköltség és a mérlegelési tér. Egy számla, amely nem egyezik — eltérő összeg, hiányzó átvételi bizonylat, egy új szállító rögzített megállapodások nélkül — olyan mérlegelést igényel, amely túlmutat a mintafelismerésen. Miért más az összeg? Hiba ez, egy át nem vezetett árváltozás, vagy egy jogos felár? Ez egy indoklással bíró kérdés, és azt az indoklást valakinek jóvá kell hagynia vagy el kell utasítania.
Ehhez társul a megfelelőségi oldal: a könyvelésnek helyesnek kell lennie, utólag is ellenőrizhetőnek, és egy hiba a szállítói nyilvántartásban többe kerül, mint a javításához szükséges idő. Eltérések esetén tehát a hibaköltség-tengely nem elég alacsony ahhoz, hogy a kockázatot kizárólag egy rendszerre bízzuk. Ez az oka annak is, hogy ez másképp alakul, mint például az átvételi bizonylat rendszerben történő rögzítése, ahol kevesebb pénzügyi következmény kapcsolódik közvetlenül a művelethez.
A technológia, amely ezt lehetővé teszi, a szövegfelismerés: az OCR, amely beolvassa a számlát és kinyeri az adatokat, egy egyeztető rendszerhez kapcsolva, amely a megrendelést, az átvételi bizonylatot és a számlát egymás mellé helyezi. E felismerés minősége határozza meg, mekkora rész folytatódik automatikusan. Egy tiszta adathalmaz esetén — állandó szállítók, digitális számlák, következetes rendelésszámok — az automatikusan feldolgozott rész magas. Sok egyedi szállító, papíralapú számla vagy eltérő formátum esetén ez jelentősen alacsonyabb, és a munka eltolódik az „az AI elvégzi” felől az „az AI elvégzi az előkészítést, egy ember megítéli a kivételt” irányba.
Az eredmény erősen függ attól, mennyire szabványosított a beszerzés. Egy vállalat, amely kevés állandó szállítóval és szigorú PO-fegyelemmel dolgozik — minden megrendelés előre rögzítve —, a számlák nagy részét automatikusan egyeztetheti. Egy vállalat, amelynél sok az egyszeri beszerzés, szóbeli megállapodás, vagy olyan szállítók, amelyek eltérő módon nyújtják be számláikat, sokkal több olyan kivétellel marad, amelyet egy embernek meg kell vizsgálnia. A szomszédos folyamatok kialakítása is számít: ha a szállítóknál leadott megrendelések már strukturáltan szerepelnek a rendszerben, a számla beérkezésekor az egyeztetés egyszerűbb, mint ha ez az információ hiányzik vagy hiányos.
Ez nem személyzeti tanács, és nem alapoz meg döntést egy pozícióról vagy munkavállalóról. Az itt feltett kérdés az, hogy a munka mely része alkalmas tartalmilag automatizálásra, nem az, hogy egy szervezet mit tesz ezzel az eredménnyel a személyzeti politikájában. A munkaviszonyt érintő döntésekre saját jogi követelmények vonatkoznak; arról, hogyan találkozik az AI alkalmazása és a munkavállalói védelem, bővebben az AI-rendeletről és az Ön munkavállalóiról szóló oldalon olvashat. Aki szélesebb körben szeretné megérteni, hogyan jelentkezik ez az elmozdulás az irodai munkában, azt megtalálja az üzleti szolgáltatásokban az AI által átvehető feladatok áttekintésében.
Ahhoz, hogy lássa, ez saját szállítói folyamatában hogyan alakul, meg kell vizsgálni a szabványosított számlák arányát, a PO-kapcsolódás minőségét és a ma már létező hibakezelést. Az FTE TO AI ingyenes gyorstesztje ehhez ad első irányt: tizenkét kérdés, fiók nélkül, jelzéssel arról, hogy egy ilyen profilban ma mekkora óraszám vehető át az AI által. A teljes munkateszt, amely ezt feladatszinten számolja ki egy egész vállalatra, még fejlesztés alatt áll.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.